Dr-BA：直接レーダーバンドル調整と位置特定のための分離最適化

レーダーセンサーは、雨や霧などの悪天候に対して頑健であり、全天候型自律システムにおいて重要なモダリティである。カメラやLiDARとは異なり、レーダーは降水の影響をほとんど受けないため、自動運転やロボティクス分野で注目されている。しかし、従来の回転レーダーを用いた状態推定手法は、レンジ・アジマス・インテンシティ計測からスパースな点群を抽出し、点群位置合わせ技術を用いて車両の動きやシーン構造を推定する方法が一般的であり、精度やロバスト性に限界があった。トロント大学のDaniil Lisusらによる研究チームは、2D回転レーダー強度画像に直接作用する初のレーダーバンドル調整（BA）フレームワーク「Dr-BA」を提案した。Dr-BAは、スパース点群抽出に頼らず、複数スキャンからの完全なレーダーリターンを直接利用して、密な環境地図とセンサーの位置・姿勢を同時に推定する。この手法の核心は、最適化問題を分離可能な形に定式化し、位置推定と地図構築を切り離すことにある。これにより、計算効率が大幅に向上し、推定精度も高まる。さらに、この定式化は自然に直接レーダーのみによる位置特定（Direct Radar-only Localization, DRL）へ拡張でき、事前に構築された地図内でのクロスセッション位置推定を実現する。研究チームは、5つの異なるルートを含む200km以上の実路上データで実験を行い、レーダーバンドル調整とクロスセッション位置推定の両方で最先端の性能を達成した。本論文は2026年5月7日にarXivに投稿され、ロボティクスのトップ国際会議RSS 2026に採択された。実装コードはGitHub（https://github.com/utiasASRL/dr_ba）で公開されており、レーダーSLAMおよび位置推定の研究に新たな基準を提供する。Dr-BAの登場により、全天候環境下での自律システムの信頼性向上が期待される。